Graduate papers
  
Description of the graduate paper
Form of studies Professional Bachelor
Title of the study programm Financial Engineering
Title in original language Mašīnmācīšanās pielietošana treidingā
Title in English Machine learning in trading
Department Faculty Of Computer Science Information Tehnology And Energy
Scientific advisor Konstantins Kozlovskis
Reviewer Boriss Siliverstovs
Abstract Bakalaura darbs veltīts, lai atrastu efektīvāko mašīnmācīšanās modeli priekš finanšu instrumenta klasifikācijas problēmas. No sākuma tika aplūkots, kas vispār ir treidings un kādi ir tā veidi. Tad kur vispār tredingu var pielietot jeb finanšu tirgus veidi un regulējumi. Un visbeidzot kas ir mašīnmācīšanās, kādas metodes un algoritmi eksistē. Darba praktiskajā daļā tika izvēlēts viens finanšu instruments – kriptovalūtas un 5 no tām (BTC, BNB, ETH, XRP un ADA) tika analizētas padziļinātāk ar klasifikācijas mašīnmācīšanās algoritmiem, kā lēmumu koka (Decision tree), K Tuvāko kaimiņu (KNN), atbalsta vektora mašīnas (SVM), naivā Baijesa (Naive Bayes) un neironu tīklu (Neural networks) metodēm. Iegūtie rezultāti tika salīdzināti savās starpā ar dažādām metrikām. Darbs izstrādāts uz 55 lapām un tajā ir 14 attēli, 12 tabulas, 13 formulas, 6 pielikumi uz 11 lapām un tika izmantoti 22 informācijas avoti
Keywords reidings, finanšu tirgi, kriptovalūtas, mašīnmācīšanās, klasifikācija
Keywords in English trading, financial markets, cryptocurrencies, machine learning, classification
Language lv
Year 2023
Date and time of uploading 30.05.2023 16:20:38